AI如何賦能智能制造？關鍵是找準場景

盡管AI浪潮席卷全球，但在工業制造領域的AI進程遠未達到預期。

“工業制造場景相對封閉，更注重安全、穩定和可靠性，AI技術跨行業應用時，進入工業場景的門檻和難度都很高。”8月15日，工業智能解決方案公司南棲仙策（南京）科技有限公司（以下簡稱“南棲仙策”）行業交付部總監于小海告訴澎湃科技（www.ditubang.cn）。

近日，在璞躍中國（Plug and Play China）舉辦的以 “AI賦能，加速企業智造新程” 為主題的Global Tech Network活動上，璞躍中國企業創新副總裁劉佳諾更是直言，高盛發布的數據顯示，僅有9.3%的公司在過去兩周內將生成式AI實際應用到生產流程中。當前多數企業對于生成式AI的應用仍處于初級階段，絕大多數公司要么還停留在觀望、試驗態度，要么只是把AI當作內部“炫技”的工具，尚未實現與日常業務的深度融合。

在這波AI浪潮中，想要賦能智能制造工業領域的創業企業如何抓住新機遇？又會面臨哪些卡點？

技術本身只是“門票”，找準落地場景才行

技術只是門票，場景才是座位。 圖片來源：璞躍中國供圖

劉佳諾指出，現在大部分AI企業最缺的不是技術，而是高質量“好場景”。多數企業仍專注于技術本身，絞盡腦汁爭奪行業里不多的場景應用需求，但很多企業處于觀望態度，不愿主動入場，實際需求并不多。

在她看來，AI落地最關鍵的不是模型參數有多大，而是企業如何找到低風險且能快速創造價值的切入點。

“技術只是入場券’，場景才是王道。”劉佳諾總結了三類適合AI切入的典型場景：企業內部涉及運營流程高度重復、機械化的工作；企業內部容錯率相對較高、風險可控的業務崗位。企業內部挖掘新增長點，通過AI挖掘用戶需求與數據價值、驅動業務增量。

成立于2018年的南棲仙策，是南京大學人工智能創新研究院技術孵化的一家智能決策公司。其核心技術是一套自研的“世界模型”通用智能決策系統，能夠在開放的環境下實現工業級自主智能，這套自主決策系統能夠在工業生產過程中自主做出控制指令。

南棲仙策的智能通用決策系統。

于小海告訴澎湃科技，簡單理解，即先搭建一個數字孿生環境，再讓AI在工廠環境中學會如何做決策。目前這套智能決策系統已經在實際業務中實現了智能決策的落地，在多種業務場景中得到了驗證。比如，在網約車企業的應用、智慧物流、煙草行業工況控制問題等。

于小海指出，現在江浙一帶的客戶已經連續三年使用他們的產品，整個控制過程完全由系統自主決策、自主控制，無需人工干預。

成立于2020年的設序科技是一家提供工業AI生成式設計產品的科技公司。其核心產品是一款聚焦工業智能生成式設計軟件，基于自研的AIGE數據結構，深度融合AI技術與幾何圖形算法，以云架構提供服務。

“找準場景很關鍵。”設序科技市場總監萬志永告訴澎湃科技。他們最初承接汽車主機廠的設計任務，在這個過程中發現汽車的設計環節涉及大量重復的基礎性工作，用AI模型提升效率的空間很大，為了深度理解設計Knowhow，他們單獨成立了一個設計團隊來收集和標注場景數據。

基于此，設序科技自研了能基于AI快速生成多套設計方案的軟件，替代繁瑣重復的制圖工具。

“過去設計師用傳統軟件一天只能畫三四十張圖，如今借助AI，一天能產出三四百張，效率翻倍不止。”萬志永說，對客戶來說，AI能幫他們擺脫機械化的制圖工作，把精力放在更有創造性的結構設計中。

早期團隊研發的產品聚焦焊接汽車零件時所需的夾具設計，后期這套技術應用已經廣泛應用在手機等3C行業、能源行業、包括快消品行業美妝巨頭歐萊雅制作物料圖紙設計等。現在這一解決方案已經迭代到3.0版本，具備多場景泛化能力。

卡點與難點：數據、標準化與經驗傳承

盡管部分企業已經找到了落地突破口，但AI真正賦能制造業，依然面臨不少現實“卡點”，一方面是場景的稀缺，另一方面是數據。

萬志永說，工業場景的數據分散、格式差異大，缺乏統一標準，需要大量的數據清洗和標注才能被AI理解。此外，制造企業普遍對數據安全高度敏感，更傾向于私有化部署；而制造業種類多、客戶定制化程度高，創業公司必須在“通用化”與“定制化”之間找到平衡。   

于小海也認為，AI在智能工業制造環節面臨的挑戰很具體。原料工況波動容易導致質量失控；如何在成本與收益之間找到平衡；老師傅幾十年的經驗如何數字化傳承。他直言，現階段工業智能化的程度大致相當于“L3級自動駕駛”，即在正常情況下可實現完全自主，但一旦遇到突發狀況，仍需要人工介入。

劉佳諾則強調，有效的數據積累對于初創公司來說非常重要。初創企業真正拿到大企業項目時，往往會遇到多種難題，比如數據質量不高、跨部門協作困難、缺乏持續迭代的耐心等。

她進一步指出，目前AI智能制造領域創業群體大致有兩類。一類依托高校，專注于人工智能算法和底層應用研究的科學家創業者；另一類來自傳統產業，在實踐中發現AI提升效率或創造價值的機會。

前者長于技術，后者更懂行業。但無論哪類企業，普遍面臨一個問題：“AI+制造”的解決方案大多是非標準化的。目前國內的AI科技公司正在努力推動標準化，希望通過收集行業有效場景數據，并結合算法能力，形成可在整個行業推廣的解決方案。劉佳諾稱。

值得注意的是，國家層面的政策支持也在加速這一進程。近期，8月5日，中國人民銀行等七部門聯合印發《關于金融支持新型工業化的指導意見》，明確要求未來金融機構不得再將資金集中投向房地產或高回報高利潤的行業，而必須投入制造業、硬科技和新質生產力。文件還明確提出，到 2027 年要建成符合制造業高質量發展的金融體系，劉佳諾認為，這意味著制造業企業和相關新質生產力將迎來更充足的資金支持和發展希望。